CN101900674A - 一种用于二氧化碳浓度检测信号静噪的小波滤波方法 - Google Patents

Abstract

本发明属生物医学工程领域，涉及一种用于二氧化碳浓度检测信号静噪的小波滤波方法，包括下列步骤：选择Mexican Hat作为小波基，并确定小波分解的层次为3，然后对二氧化碳监测仪检测到的二氧化碳浓度信号进行3层小波分解；设定某个固定阈值，对第1到第3层的每一高频系数，进行阈值量化处理；根据小波分解的第3层的低频系数和经过阈值量化处理后的第1层到第3层的高频系数，进行一维信号的小波重构。本发明能很好的实现信号中有用部分和噪声的有效分离，而不导致信号失真。

Description

一种用于二氧化碳浓度检测信号静噪的小波滤波方法

技术领域

本发明属于生物医学工程技术领域，涉及一种用于二氧化碳浓度检测信号静噪的小波滤波方法。

背景技术

在医用临床上监测二氧化碳浓度以及呼吸末二氧化碳浓度值有着重要的意义，已成为重要的生命指标之一。这就使得如何准确的捕捉呼吸末潮时刻成为同时随着NDIR技术在气体测量应用中的成熟和普遍，主流式CO₂浓度监测方法在医疗中被提出和应用。

气体分子对一定波长的红外线辐射的吸收服从Lambert-Beer吸收定律，所以二氧化碳可以吸收特定波长的红外辐射。如果气体进入检测室，并用传感器一侧的红外光源照射，而传感器的另一侧则可以测的红外辐射的衰减，这样，就可以通过测量信号的衰减得到二氧化碳浓度的变化。

由于呼吸气体是不同气体的混合，而每种入射光对特定气体的吸收系数是不同的，吸收光线和气体之间的关系可以用下式表示：

I＝I₀exp(-∑μ_iC_iL)

其中I₀：入射光强度；I：紧急光照强度；μ：气体吸收系数；C：气体浓度；L：气体厚度

常规呼吸气体分子的吸收系数是不同的。二氧化碳吸收峰值对应的光波长为4.26μm，如果只有近似4.26μm波长的光线，则气体对光的吸收刻印描述为：

$I=I_0\exp \left({-\mathrm{\μ}}_{{\mathrm{CO}}_2}{C}_{{\mathrm{CO}}_2}L\right).$

根据这一原理可以实现在患者呼吸主通道内实时、连续的检测呼吸中二氧化碳的浓度信号。

一种典型的主流式二氧化碳测量装置如图1所示，红外光源1和测量端3分别位于主气体通道2的两侧。红外光源1发出的红外光经过4.26μm窄带滤波后的光线，被测量端的红外传感器所采集。

图1中的主流式二氧化碳浓度监测方法将CO₂浓度监测模块直接放置在患者的呼吸气路导管中，通过传感器对通路中的CO₂浓度直接进行测定。但是如果检测到的二氧化碳浓度信号存在各种干扰和失真，就不能很好的实现实时、连续的检测患者呼吸中二氧化碳浓度的意义，这就需要一种可行有效地滤波方法。

二氧化碳气体检测中，常常由于噪声的存在而不能从所记录的数据中提取有效的信息。二氧化碳光电传感器采集到的电信号属于微弱信号，很容易被噪声信号淹没。

光电传感器在光电转换过程中，不仅输出所需的信号电压或电流，同时还伴随着输出无用的随机性涨落或起伏量，即噪声。光电探测器的固有噪声主要表现为热噪声、散粒噪声、产生复合噪声、温度噪声及电流噪声.这些噪声污染了与二氧化碳有关的光电信号，给有用光电信号的检测判别及进一步的数据处理带来了不利因素，有必要对光电信号进行数字滤波，以获得真实的信号，提高检测灵敏度.

发明内容

本发明的目的是提供一种小波滤波方法，将二氧化碳监测仪检测到的二氧化碳浓度信号进行小波去噪处理，以实现埋于噪声中的光电信号的有效测量。本发明采用如下的技术方案：

一种用于二氧化碳浓度检测信号静噪的小波滤波方法，包括下列步骤：

第一步：信号的小波分解：选择Mexican Hat作为小波基，并确定小波分解的层次为3，然后对二氧化碳监测仪检测到的二氧化碳浓度信号进行3层小波分解；

第二步：小波分解高频系数的阈值化：设定某个固定阈值，对第1到第3层的每一高频系数，进行阈值量化处理；

第三步：一维小波的重构：根据小波分解的第3层的低频系数和经过阈值量化处理后的第1层到第3层的高频系数，进行一维信号的小波重构。

本发明针对CO2监测信号属于一种突发性的短过程并且是明显的非平稳性信号，能量主要分布在＜10Hz的范围内的特点，选用“Mexican Hat”小波函数作为小波基进行小波分解，经过小波分解去噪后的信号在去除噪声之外还能将原始信号变化时的细节保留下来，而使用FFT进行去噪之后，得到的信号在细节方面有很大程度的损失，有些关键信号的突变在经过FFT消噪时候就丢失了。呼吸作用中CO₂浓度值属于非平稳信号中由于夹带着瞬态的突变成分，使用本发明的小波分析的方法能很好的实现信号中有用部分和噪声的有效分离，而不导致信号失真。

附图说明

图1：一种典型的主流式二氧化碳浓度测量装置。

图2本发明采用的小波分解结构图。

图3本发明的消噪过程示意图。

具体实施方式

小波变换在时域、频域均有良好的局化性，在分析暂态和非平稳信号方面具有独特的优越性。小波变换的主要特征是在时域和频域上的双重局部性以及线性分解性，可以将信号线性分解为表征不同时间或频率的分量.小波多分辨率分析利用了小波变换对信号分频，各个频率成分在时间轴上的位置保持不变的性质.因此，根据光谱信号和噪声信号在频率上的区别，可以对其进行有效分离，从而实现从噪声中提取光电信号。

小波分析方法是窗口大小固定，但其形状可改变，时间窗和频率窗都可改变的时频局域化分析方法，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高时间分辨率和较低频率分辨率，优于经典Fourier变换和短时Fourier的地方。

本发明采用“Mexican Hat”小波函数作为小波基进行小波分解，该小波函数具有简便快速，不需设置尺度等参数等优点，无论对高频、低频信号均有很好的除噪能力，是对CO2传感器端进行信号的处理的最优选择

Mexican Hat小波为：

由于Mexican Hat小波的中心频率f₀和尺度a易于设定，由其构成的滤波器具有良好的窄带滤波能力，此外Mexican Hat具有线性位移的特性，因此可以利用Mexican Hat小波作为小波消噪的小波基。

呼吸作用过程中，CO2监测信号实际上是属于一种突发性的短过程并且是明显的非平稳性信号。对信号进行频谱分析可以知道能量主要分布在＜10Hz的范围内。

设CO₂信号表达为：

s(i)＝f(i)+e(i)，i＝0，...，n-1

其中：

f(i)为真实信号

e(i)为噪声

s(i)为含噪声的信号。

本发明采用的小波分解结构如图2所示，首先对信号进行三层小波分解，分解过程如图2。噪声部分通常包含在cD1，cD2，cD3中，因而，可以通过门限阈值等形式对小波系数进行处理，然后对信号进行重构，可以达到消噪的目的。对信号s(i)消噪的目的就是要抑止信号中的噪声部分，从而在s(i)中恢复出真实信号f(i)。

信号的消噪过程可分为三个步骤进行，见图3：

第一步：信号的小波分解。选择Mexican Hat作为小波基，并确定小波分解的层次为3，然后对检测到的CO₂信号进行3层小波分解。

第二步：小波分解高频系数的阈值化。对第1到第3层的每一高频系数，设定某个固定阈值进行量化处理。

第三步：一维小波的重构。根据小波分解的第3层的低频系数和经过量化处理后的第1层到第3层的高频系数，进行一维信号的小波重构。

Claims (1)

1.一种用于二氧化碳浓度检测信号静噪的小波滤波方法，包括下列步骤：

第一步：信号的小波分解：选择Mexican Hat作为小波基，并确定小波分解的层次为3，然后对二氧化碳监测仪检测到的二氧化碳浓度信号进行3层小波分解；

第二步：小波分解高频系数的阈值化：设定某个固定阈值，对第1到第3层的每一高频系数，进行阈值量化处理；

第三步：一维小波的重构：根据小波分解的第3层的低频系数和经过阈值量化处理后的第1层到第3层的高频系数，进行一维信号的小波重构。

Images